基于高斯过程回归模型的径流短期预测研究

摘要：

为寻求更为精确的径流量预测方法,研究利用传统BP神经网络、 支持向量机(SVM)以及高斯过程回归(GP)三种模型对径流量进行预测,并以广西天峨水文站日入库径流量为例进行预测实践和分析.结果表明,高斯过程回归模型对径流短期预测具有较高精度,预测平均相对误差绝对值为1.29％,最大相对误差绝对值为2.71％,预测精度和泛化能力均优于传统BP神经网络模型和支持向量机模型,是进一步提高径流预测精度的有效方法.

关键词：径流预测、高斯过程回归、BP神经网络、支持向量机

所属期刊栏目：46

分类号：TV12(水利工程基础科学)

资助基金：国家重点研发计划项目;国家自然科学基金资助项目;广西研究生教育创新计划资助项目

在线出版日期：2020-12-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：9-12